← 所有观点

A · 管 · 2026-09-07

AI 越来越强,学校为什么反而限制使用?

As AI Grows Stronger, Why Are Schools Restricting Its Use Instead?

情境示意 · 非服務實錄: 工作坊現場:學員操作 AI 工具情境示意 · 非服務實錄

[ 当 AI 越来越强,纽约、洛杉矶为什么反而限制学生用 AI?]

上周,美国的 AI 世界出现了两幅很不一样的画面。

一边,OpenAI 发表 GPT-6 Astra,Anthropic 推出 Claude Fable 5.1。AI 又往前走了一大步,能完成更复杂的任务,也越来越像一个可以独立做事的帮手。

另一边,美国东西两岸的大型公立学区,却同时踩下煞车。

纽约禁止幼儿教育至八年级学生直接使用生成式 AI,高中只保留有限、受监督的使用;洛杉矶联合学区则暂停所有年级学生在学区配发的装置上使用生成式 AI。这不是禁止所有教育用途的 AI,但确实是对「让学生直接使用 AI」的大幅收紧。

AI 更强了,学校却更不敢用了。为什么?

我觉得,这正好呼应了我上一篇文章的主张:

强大的 AI,不等于让人变强大的 AI。

前者替你做事,后者让你长本事。

▍我们担心的,不是孩子得到帮助,而是孩子失去练习的机会

想像孩子旁边,站着一位无所不知、随叫随到的大人。

孩子还没想,他就给答案;孩子稍微卡住,他就把事情做完。作文写得更漂亮,数学作业也全对,但孩子自己练习思考、判断与修正的机会,可能越来越少。

这个大人越能干,孩子就一定越能干吗?

不一定。有时候,大人的能力,反而遮住了孩子尚未长出的能力。

但我们也不会因此认为,最好的教育,就是把孩子身边所有能提供帮助的人都请走。

我们真正需要的,是懂得什么时候示范、什么时候提示、什么时候等待,以及什么时候放手的协助。

AI 也是如此。

当然,AI 不能取代真正的老师与人际关系。但如果要让它参与教育,我们就不该只问:「它能替学生做多少?」还要问:

「它帮完之后,学生多了什么能力?」

这不是主张学习越辛苦越好。我们要减少的是不必要的负担,保留的是能让能力长出来的思考。

因此,我认为教育 AI——更精确地说,为教学与学习设计的 Pedagogical AI——不能只是把一般聊天机器人搬进教室。

它的优先目标,应该是「让人变强」,而不是只把「事情做完」。

▍把学习科学,变成 AI 一开始就会做的事

上周我在法兰克福,和来自神经科学、心理学、教育学及 AI 领域的专家一起讨论。

作为现场仅有的两位教育科技实务工作者之一,我很在意一件事:这些研究,最后能不能变成老师用得上、孩子真正受益的产品设计?

我们讨论了三十多项有不同程度学习科学证据支持的原则。我再借助三个前沿 AI 模型协助比对、整理,收敛出附图(见留言)中的九项共同方向。

不过,三个 AI 都整理出来,不等于科学已经盖章。

图中第一项直接引用了生成式 AI 的学习实验;其他项目主要列的是既有学习科学研究。它们提供了值得尝试的方向,但放进新的工具、不同年龄与不同课堂后,仍需要重新检验。

例如,一项高中数学研究发现:使用一般型 GPT 工具的学生,练习时表现变好;但拿掉 AI 后,独立测验的表现反而比未使用者低约 17%。同一研究中,加入保护学习设计的版本,则大幅缓解了这种负面效果。

这不能证明所有 AI 都伤害学习,也不能证明只要加上几句教学提示,就一定能让学生变强。

但它提醒我们:「用了 AI」不是一种单一的学习经验。工具怎么设计、学生怎么使用,可能带来很不一样的结果。

对均一而言,这九项原则不是一张拿来宣传的认证表,而是一份产品设计与研究的工作清单。

我们正在朝这个方向调整产品:让 AI 不只是更快回答,也能适时追问、提供刚刚好的提示、安排练习,并在学生有能力时逐步退场。

而我们必须持续追问的,不只是「使用者喜不喜欢」,还有「他是否真的学会了」。

▍台湾不必在「全面禁用」与「全面冲刺」之间二选一

那么,台湾的教室到底该不该用 AI?需不需要跟着禁止?

我的看法是:鼓励探索,不强制上车;保留选择,也建立底线。

我不认为暂停一定落后。当工具的安全性、年龄适切性与教育效益还不清楚时,暂停可以是负责任的选择。

但如果政策只剩下一个「禁」字,却没有说清楚什么条件下可以试、要累积什么证据、什么时候重新检讨,也可能把有价值的探索一起挡在门外。

同样地,不能因为 AI 很强,就要求每位老师、每间教室都立刻跟上。

没有分辨的全面开放,和没有分辨的全面封锁,都没有回答教育真正的问题。

我期待的做法,是提供经过基本安全与教学审查的多元工具,让有准备、有动机的老师,在适合的年龄、课程与监督条件下先行尝试;还没有准备好的老师,则有时间、有支持,也保有不使用的选择。

「让有动机的人先跑」,不是让孩子承担没有防护的风险,更不是把尚未准备好的人一起推向未知。

而且,自主不能变成只有资源充足的学校才有选择。培训、研究与工具支援,也应该照顾资源不足的现场。

更重要的是,试点不只要交使用率,也要交学习证据。

学生是否更能解释自己的想法?隔一段时间还记得吗?换一道题目还能运用吗?在需要独立完成时,是否仍然做得到?

韩国 AI 数位教科书从大力推动,到 2025 年被改列为可选择使用的教育材料,值得我们警惕。这个政策转折本身,不能被当成「AI 教育无效」的证明;但我的解读是:制度推进的速度,不应超过现场准备与证据累积的速度。

台湾可以走一条比较务实的路:先试后扩、可进可退,让产品有机会调整,也让证据有机会说话。

▍工具还没成熟时,老师可以怎么做?

不是一定要等到完美的教育 AI 出现,才能开始做对的事。

附图最右栏,就是把九项原则转成教师可以掌握的教学做法。这些做法也不必全部透过学生直接操作 AI;老师可以先用 AI 准备材料,再带学生进行活动。

1. 让 AI 考学生、问学生,而不是替学生作答。

用 AI 出题、追问理由、挑战想法。学生如果一路索取提示,就停下来,请他说明自己目前理解了什么。

2. 协助要有节奏,也要逐步退场。

由老师掌握何时示范、何时提示,以及何时减少协助。扶手的目的,是帮学生站稳,不是让他永远依靠。

3. 不只问「懂了吗」,也请学生讲回来。

让学生用自己的话解释、教给别人,或说出解题时的思考过程。

4. 少一点反复重看,多一点主动回想。

安排低压力的小测验,让学生先试着从记忆中找答案,而不是一直看着答案点头。

5. 把练习分散,也把旧知识带回来。

不要把练习全部挤在同一天;新课继续往前,也持续安排累积性的复习。

6. 初步熟悉后,混合不同题型。

让学生练习判断「这题该用哪个方法」,并事先说明:混合练习可能感觉比较难,不代表自己变差了。

7. 把 AI 回馈当讨论稿,不是判决书。

师生一起检查哪些建议合理、哪些需要修正,不因为是 AI 说的就照单全收。

8. 把长内容拆成小段,留下停顿。

让学生可以暂停、消化、重看,不要用一整面文字或不停播放的内容,把学习者淹没。

9. 提示要一致,画面不要抢走注意力。

用清楚的结构与固定线索帮助理解,减少和学习无关的装饰与干扰。

这些都不是不分年龄、不分程度的铁律。尤其对新手,先看懂示范,可能比一开始就被要求自己想更重要。

老师的判断仍然是关键。但我们也不能把所有责任都丢给老师:好的产品,应该把这些教学考量做进设计,而不是要求每位老师每天和工具的预设行为搏斗。

▍台湾有机会贡献的,不只是另一个 AI 产品

这也是为什么,我仍然对台湾的教育 AI 很有期待。

但这个期待,不需要建立在其他国家不会做的假设上。

新加坡今年提出的四项国家 AI 任务,聚焦先进制造、交通与物流连结、金融及医疗,没有单列教育;但新加坡教育部已在学生学习平台 SLS 推动具有教学设计与安全规范的 AI 功能。因此,没有列在这四项任务中,不等于没有投入教育 AI。

美国也有可汗学院等组织,持续探索以学习为中心的 AI。 至于中国或任何国家的产品,能否走向世界,我认为都应该看它能否跨越语言、课程、文化与信任的门槛,而不是只用国籍下结论。

台湾的机会,不是等别人缺席,而是选择把一件重要的事做深。

我真正看见的空间是:最容易带来商业回报的 AI,不一定就是最值得教育投入的 AI。

帮助孩子建立基础、陪伴学习落后者、追踪长期成效、公开哪些方法无效——这些工作,我们不能只期待市场自动替我们完成。

这正是公共教育、研究机构与公益组织值得一起承担的任务。

如果台湾能让老师、研究者与产品团队共同工作,把真实课堂里的问题转成设计,再把设计转成可信的证据,我们就有机会输出不只是产品,而是:

让不同国家都能使用、检验与改进的教育 AI 方法。

这次在德国,五十人的国际会议中,就有四位台湾与会者,另外还遇到一位来自台湾的与会者家属。这当然不是任何全球排名的证明,却让我很具体地感受到:台湾的人,可以在这场跨领域的对话里,扮演超过人口比例的角色。

所以,如果我们把「成为全球对教育 AI 贡献最多的国家」当成一个目标,甚至暂时拿掉「之一」,不是因为我们已经赢了,而是因为这件事,值得我们认真承担。

世界,尤其是中美正在竞赛,谁能让 AI 更强。

台湾可以同时追问另一个问题:谁能让使用 AI 的人,真正变强?

我们不只要把 AI 带进教育,更要把教育带进 AI。

教育 AI 最值得追求的突破,不是让下一代更少需要思考,而是让下一代更有能力思考。